Deep learning in electronic warfare systems: Automatic pulse detection and intra-pulse modulation recognition
Elektronik taarruz sistemlerinde derin öğrenme: Otomatik darbe tespiti ve istemli darbe ici kipleme sınıflandırma
- Tez No: 654116
- Danışmanlar: PROF. DR. ORHAN ARIKAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Savunma ve Savunma Teknolojileri, Computer Engineering and Computer Science and Control, Engineering Sciences, Defense and Defense Technologies
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 84
Özet
Radarın ilettikleri darbelere göre tespiti ve sınıflandırılması elektronik harp sistemlerinde önemli bir uygulamadır. Mevcut çalışmaların çoğu, herhangi bir darbe tespiti yöntemi sunmadanö önceden sinyal darbesi tespitinin yapıldığını varsayarak modülasyonların sınıflandırılmasına odaklanır. Bu çalışmada, radar sinyallerinin otomatik darbe tespiti ve istemli darbe içi kipleme sınıflandırma için iki yeni derin öğrenme tabanlı teknik öneriyoruz. İlk yaklaşımda, ölçülen radar sinyalinin yeniden tayin edilmiş spektrogramı ve özel bir fonksiyon tarafından filtrelenen anlık fazlarının saptanan aykırı değerleri, çoklu evrişimli sinir ağlarını eğitmek için kullanılır. Ağlardan otomatik olarak çıkarılan özellikler, frekans ve faz modülasyonlu sinyalleri ayırt etmek için birleştirilir. İkincisinde, uçtan uca darbe tespiti ve modülasyon sınıflandırması için UKSB tabanlı çok görevli bir öğrenme modeli önerilmiştir. Bu alandaki başka önemli sorun, denetimli sinir ağı tabanlı modellerin eğitimi ve değerlendirilmesinde kullanılacak kamuya açık radar darbe verilerinin eksikliğidir. Bu sorunun üstesinden gelmek için gerçekçi darbeler ve gürültüler içeren 15'ten fazla ana faz ve frekans modülasyonu oluşturabilen bir IMOP ölçüm simülatörü geliştirdik. Simülasyon sonuçları, önerilen FFCNN ve MODNET tekniklerinin mevcut son teknoloji alternatiflerden daha iyi performans gösterdiğini ve çok çeşitli modülasyon türleri arasında kolayca ölçeklenebilir olduğunu göstermektedir.
Özet (Çeviri)
Detection and classification of radar systems based on modulation analysis on pulses they transmit is an important application in electronic warfare systems. Many of the present works focus on classifying modulations assuming signal detection is done beforehand without providing any detection method. In this work, we propose two novel deep-learning based techniques for automatic pulse detection and intra-pulse modulation recognition of radar signals. As the first nechnique, an LSTM based multi-task learning model is proposed for end-to-end pulse detection and modulation classification. As the second technique, reassigned spectrogram of measured radar signal and detected outliers of its instantaneous phases filtered by a special function are used for training multiple convolutional neural networks. Automatically extracted features from the networks are fused to distinguish frequency and phase modulated signals. Another major issue on this area is the training and evaluation of supervised neural network based models. To overcome this issue we have developed an Intentional Modulation on Pulse (IMOP) measurement simulator which can generate over 15 main phase and frequency modulations with realistic pulses and noises. Simulation results show that the proposed FFCNN and MODNET techniques outperform the current state-of-the-art alternatives and is easily scalable among broad range of modulation types.
Benzer Tezler
- Derin öğrenme ile modülasyon sınıflandırması
Modulation classification with deep learning
SELÇUK BALSÜZEN
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MESUT KARTAL
- Evrişimsel sinir ağlarıyla otomatik modülasyon sınıflandırma
Automatic modulation classification with comvolutional neural networks
OSMAN KAYA
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TANSAL GÜÇLÜOĞLU
- Derin öğrenme yöntemi ile optik uydu görüntülerinden gemi tespiti
Ship detection by optical satellite images with deep learning method
OSMAN DUMAN
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. MESUT KARTAL
- Makine öğrenmesi ile gelişmiş polarizasyon kestirim yöntemi
Advanced polarization estimation method with machine learning
YUSUF ÖNÜR
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HARUN TAHA HAYVACI
- Cognition-enabling techniques for next-generation radar and electronic warfare systems
Gelecek nesil radar ve elektronik harp sistemleri için bilişsellik-etkinleştirme teknikleri
MUHARREM ARIK
Doktora
İngilizce
2019
Elektrik ve Elektronik MühendisliğiKoç ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZGÜR BARIŞ AKAN